- •Методические указания
- •Часть 1
- •1. Численное решение нелинейных уравнений.
- •1.1. Метод деления отрезка пополам.
- •1 Input a, b, e
- •1.2. Метод Ньютона (метод касательных).
- •Input X, e
- •1.3. Метод простой итерации.
- •Input X, e, m
- •2. Методы решения систем линейных
- •2.1. Метод Гаусса.
- •2.2. Метод прогонки.
- •2.3. Метод простой итерации (метод Якоби).
- •2.4. Метод Зейделя.
- •3. Численные методы решения систем
- •3.1. Метод простой итерации (метод Якоби).
- •3.2. Метод Зейделя.
- •Input X,y, m1,m2
- •Input tt
- •3.3. Метод Ньютона.
- •Input X, y
- •Input tt
- •4.1. Приближение функции по методу наименьших
- •I XI xi2 yi xiyi
- •I XI xi2 xi3 xi4 yi xiyi xi2yi
- •4.2. Интерполяционный полином
- •4.3. Интерполяционный полином
- •Литература
2.4. Метод Зейделя.
Вычисления в этом методе почти такие же, как и в методе Якоби, с той лишь разницей, что в последнем новые значения x(k+1) не используются до новой итерации. В методе Зейделя при нахождении k+1-ой компоненты используются уже найденные компоненты этой же итерации с меньшими номерами, т.е. последовательность итераций задается формулой:
i-1 n
xi(k+1) =(bi - aij·xj(k+1) - aij·xj(k))/aij;
j=1 j=i+1 (2.17)
i=1, 2, 3, ..., n; j =1, 2, 3, ..., n.
Сходимость и точность достигаются условиями (2.13) и (2.14).
Пример: Задать итерационный процесс Зейделя для нахождения решений системы уравнений (2.15).
Решение: Достаточное условие сходимости (2.13) выполняется, поэтому начальное приближение может быть любым.
Используя (2.16) получим:
x1(k+1) =(7-4x2(k) +x3(k))/7
x2(k+1) =(-2-2x1(k+1)-3x3(k))/6
x3(k+1) =(4+x1(k+1) -x2(k+1))/4.
После задания начального приближения x(0)=(x1(0); x2(0); x3(0)), например, x(0)=(0; 0; 0) выражение для первой итерации имеет вид:
x1(1) =(7-4x2(0) +x3(0))/7 =(7-4·0+0)/7 =1
x2(1) =(-2-2x1(1)-3x3(0))/6 =(-2-2·1-3·0)/6 = - 0.667
x3(1) =(4+x1(1)-x2(1))/4 =(4+1-(-2/3))/4 =1.417
Результаты первой итерации x(1)=(x1(1); x2(1); x3(1)) подставляют в правую часть и получают результаты второй итерации:
x1(2) =(7-4· (-0.667)+1.417)/7 = 1.583
x2(2) =(-2-2·1.583-3·1.417)/6 = - 1.569
x3(2) =(4+1.583-(-1.569))/4 = 1.788
Результаты второй итерации x(2)=(x1(2); x2(2); x3(2)) подставляют в правую часть и получают результаты третьей итерации:
x1(3) =(7-4· (-1.1569)+1.788)/7 = 2.152
x2(3) =(-2-2·2.152-3·1.788)/6 = - 1.945
x3(3) =(4+2.152-(-1.945))/4 = 2.024
Точность решения определяют из условия:
max xi(3) - xi(2) .
1i3
x1(3) - x1(2) = 2.152-1.583= 0.469
x2(3) - x2(2) = - 1.945+ 1.569= 0.376
x3(3) - x3(2) = 2.024-1.788= 0.236
3. Численные методы решения систем
нелинейных уравнений.
Требуется решить систему нелинейных уравнений вида:
F1(x1,x2,x3,...,xn) = 0
F2(x1,x2,x3,...,xn) = 0
. . . . . . . . . . . (3.1)
Fn(x1,x2,x3,...,xn) = 0
3.1. Метод простой итерации (метод Якоби).
Систему нелинейных уравнений (3.1) после преобразований
xi =xi - Fi(x)/Mi ; i=1, 2, 3, ..., n
(здесь Mi определяются из условия сходимости), представим в виде:
x1 =f1(x1,x2,x3,...,xn)
x2 =f2(x1,x2,x3,...,xn)
. . . . . . . . . . . (3.2)
xn =fn(x1,x2,x3,...,xn)
Из системы (2.3) легко получить итерационные формулы метода Якоби. Возьмем в качестве начального приближения какую-нибудь совокупность чисел x1(0),x2(0),...,xn(0). Подставляя их в правую часть (3.2) вместо переменных x1,x2,...,xn получим новое приближение к решению исходной системы:
x1(1) =f1(x1(0),x2(0),x3(0),...,xn(0))
x2(1) =f2(x1(0),x2(0),x3(0),...,xn(0))
. . . . . . . . . . . (3.3)
xn(1) =fn(x1(0),x2(0),x3(0),...,xn(0))
Эта операция получения первого приближения x1(1),x2(1),...,xn(1) решения системы уравнения (3.2) называется первым шагом итерации. Подставляя полученное решение в правую часть уравнения (3.2) получим следующее итерационное приближение: (x1(2),x2(2),...,xn(2)) и т.д.
Итерационный процесс можно считать законченным, если все значения переменных, полученных k+1-ой итерации, отличается от значений соответствующих переменных, полученных от предыдущей итерации, по модулю меньше наперед заданной точности , т.е. если:
maxxi(k+1) -xi(k) . (3.4)
1in